Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b

Tamanho: px
Começar a partir da página:

Download "Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que. Max f(x) s. a a x b"

Transcrição

1 Considere a função f(x). Para algum x a f (x) pode não existir. Suponha que se queira resolver o seguinte PPNL: Max f(x) s. a a x b Pode ser que f (x) não exista ou que seja difícil resolver a equação f (x) = 0. Em qualquer caso os métodos anteriores podem não funcionar para essas situações. Nesta seção será discutido como resolver o PPNL se f(x) for uma função unimodal. Uma função é unimodal no intervalo [a, b] se para algum ponto x 0 no intervalo [a, b], f(x) é estritamente crescente em [a, x 0 ] e estritamente decrescente [x 0,b]. Se f(x) é unimodal em [a, b] então ela terá somente um máximo local x 0 no intervalo [a; b] e esse valor resolverá o PPNL. Sem informações adicionais só podemos dizer que a solução ótima para o problema é algum ponto no intervalo [a, b]. 1

2 Caso 1: f(x 1 ) < f(x 2 ) Avaliando f(x) nos pontos x 1 e x 2 (supondo x 1 < x 2 ) em [a, b], pode-se reduzir o tamanho do intervalo na qual a solução do problema deve estar. Após avaliar f(x 1 ) e f(x 2 ) um dos próximos dois casos deve ocorrer. Em cada caso, pode-se mostrar que a solução ótima vai estar em um subintervalo de [a, b]. Uma vez que f(x) está aumentando, ao menos em uma parte do intervalo [x 1, x 2 ] pode-se concluir que a que a solução ótima do problema não pode ocorrer em [a, x 1 ]. Assim, x 0 (x 1, b]. f(x) f(x) a x x x b x a x 1 x 2 x 0 b x Caso 2: f(x 1 ) f(x 2 ) Nesse caso, f(x) começa a decrescer antes de x alcançar x 2. Assim x 0 [a, x 2 ). f(x) a x 1 x 0 x 2 b x f(x) a x 0 x 1 x 2 b x O intervalo onde x 0 deve estar, que pode ser [a; x 2 ) ou (x 1 ; b], é denominado deintervalo de incerteza. Muitos algoritmos utilizam essa idéia para reduzir o intervalo de incerteza. Muitos desses algoritmos funcionam da seguinte forma. Passoum: Inicie com a região de incerteza de x sendo [a; b]. Avalie f(x) em dois pontos escolhidos x 1 e x 2. Passo dois: Determine qual dos dosi casos se aplica e reduza o intervalo de incerteza. Passotrês: Avalie f(x) em dois novos pontos (o algoritmo especifica como os dois novos pontos são escolhidos). Um desses algoritmos éométododaseçãoáurea. Seja r a única raiz positiva da equação do segundo grau r 2 + r = 1. Resolvendo-a, tem-se: 1/ r = = 0, A procura inicia avaliando f(x) nos pontos x 1 e x 2 onde x 1 = b r(b a) e x 2 = a + r(b a). 2

3 Localização de x 1 e x 2 no método de otimização pela seção áurea. r(b a) a x 1 x 2 b r(b a) Da figura pode-se ver que para encontrar x 1, move-se uma fração r do intervalo a partir do extremo direito e na direção do extremo esquerdo. Para encontrar x 2 move-se uma fração r do intervalo a partir do extremo esquerdo e na direção do extremo direito. Então o método da seção áurea gera dois novos pontos no qual f(x) deve ser avaliada. Cada vez que f(x) é avaliada nos dois pontos e o II (Intervalo de Incerteza) é reduzido, diremos que uma iteração do método da Seção Áurea foi completada. L k Define-se: = tamanho do intervalo de incerteza após k iterações do algoritmo ter sido completadas. I k = intervalo de incerteza após k iterações terem sido completadas. A cada iteração a f(x) deve ser avaliada em apenas um dos dois novos pontos. É fácil ver que: L 2 = rl 1 = r 2 (b a) e que de forma geral: L k = rl k-1 leva a: L k =r k (b a). Assim se quisermos que um intervalo de incerteza final tenha um tamanho menor que um ε especificado, será necessário executar k iterações do método da seção áurea de modo que: r k (b a) < ε 3

4 Determine quantas iterações serão necessárias, utilizando o método da seção áurea, para que o tamanho do intervalo [-3; 7] seja reduzido a um valor menor do que 0,0001 = Tem-se: a = -3, b = 7 e ε = 0,0001 =10-4. Então: r k (b a) < ε ln[r k (b a)] < ln(ε) ln(r k )+ln(b-a) < ln(ε) k.ln(r) < ln(ε) - ln(b-a) k [ln(ε) - ln(b-a)]/ln(r) k [ln(0,0001) ln(7-(-3))]/ln(r) k [ln(0,0001) ln(10)]/ln(r) k [-9, ,302585]/ln(r) k -11,512925/-0, Utilize o método para resolver: max -x s. a -1 x ¾, com o tamanho final do intervalo de incerteza sendo menor do que 1/4. k 23,92 ou k 24 Aqui a = -1 e b = 0,75, então b a = 1,75. Para determinar o número de iterações que deve ser feito, deve-se resolver: 1,75.r k < 1/4 ou r k < 1/7 k.ln(r) < ln(1/7) k > ln(1/7)/ln(r) k 5 Assim serão necessárias onze iterações. Determinar inicialmente x 1 e x 2 : x 1 = 0,75 r.1,75 = -0,3316 x 2 = -1 + r.1,75 = 0,0816 Então: f(x 1 ) = f(-0,3316) = 0,8901. f(x 2 ) = f(0,0816) = 0,9933. Como f(x 1 ) < f(x 2 ), o novo intervalo de incerteza é I 1 = [x 1 ; b] = [-0,3316; 0,75] 4

5 L 1 = 0,7500 (-0,3316) = 1,0816 Determina-se, agora os dois novos pontos x 3 e x 4 : x 3 = x 1 = -0,3316 x 4 = -0, r.1,0816 = 0,3369 Agora f(x 3 ) = f(x 1 ) = f(-0,3316) = 0,8901 e f(x 4 ) = f(0,3369) = 0,8865. Como f(x 3 ) < f(x 4 ), então o novo intervalo de incerteza é I 2 = [-0,3316; x 4 ] = [-0,3316; 0,3369) e x 6 será igual a x 3. Também L 2 = 0,3369 (-0,3316) = 0,6684. Então: x 5 = 0,3369 r.0,6684 = -0,0762 x 6 = x 3 = 0,0816 Note que f(x 5 ) = 0,9942 e f(x 6 ) = f(x 3 ) = = 0,9933. Como f(x 5 ) > f(x 6 ) então o novo intervalo de incerteza é I 3 = [-0,3316; x 6 ) = [-0,3315, 0,0816). L 3 = 0, ,3315 = 0,4130. Agora: x 7 = 0,0816 r.0,4130 = -0,1738 x 8 = x 5 = -0,0762. f(x 8 ) = f(-0,0762) = 0,9942. f(x 7 ) = f(-0,1738) = 0,9698 e como f(x 8 ) > f(x 7 ), o novo II é I 4 = [x 7 ; 0,0815] = [-0,1738, 0,0816]. L 4 = 0, ,1637 = 0,2552. Também x 9 = x 8 e finalmente: x 9 = x 8 = -0,0762. x 10 = -0, r.0,2552 = -0,016. Agora f(x 9 ) = f(x 8 ) = f(-0,0762 ) = 1,0000 e f(x 10 ) = f(-0,016 ) = 0,9997. Como f(x 10 ) < f(x 9 ) o novo II é I 5 = (x 9 ; 0,0815] = [-0,0762, 0,0816]. L 5 = 0, ,0762 = 0,1577 < 0,25, conforme especificado. Assim determinou-se, que: max x s. a -1 x ¾, deve estar dentro do intervalo (-0,0762; 0,0815]. Na realidade o valor mínimo, que é 1,00, ocorre no ponto x 0 = 0. 5

6 =B3-$G$3*(B3-A3) =A3+$G$3*(B3-A3) Utilizando a Planilha para implementar o método da seção áurea. A B C D E F G pei pdi pe pd f(pe) f(pd) r -1 0,7500-0,3316 0, ,1099-1,0067 0, ,3316 0,7500 0,0816 0,3369-1,0067-1,1135-0,3316 0,3369-0,0762 0,0816-1,0058-1,0067-0,3316 0,0816-0,1738-0,0762-1,0302-1,0058-0,1738 0,0816-0,0762-0,0160-1,0058-1,0003 =SE(E3<F3;B3;D3) =SE(E3<F3;C3+$G$3*(B3-C3);C3) -0,0762 0,0816-0,0160 0,0213-1,0003-1,0005 =SE(E3<F3;C3;A3) =SE(E3<F3;D3;D3-$G$3*(D3-A3)) OBS.: O método da seção áurea pode ser aplicado a problemas de minimização pela multiplicação da FO por -1. Deve-se assumir que a FO modificada seja unimodal. Embora o método da seção áurea seja um procedimento simples ele pode demorar para convergir para a solução ótima. Um método que pode ser utilizado em alguns casos é o de Newton. A idéia do método de Newton é aproximar a f(x) por meio de um função quadrática e maximizar ou minimizar a função aproximada para obter uma solução experimental. Essa função quadrática é obtidas truncando-se a série de Taylor após o termo da segunda derivada. 6

7 Particularmente fazendo-se x i+1 seja a Assim: solução experimental gerada na iteração i para iniciar a iteração i + 1 (onde x 1 é a solução experimental inicial fornecida pelo usuário para começar a iteração 1). f(x i+1 ) f(x i ) + f (x i )(x i+1 x i ) + 0,5f (x i )(x i+1 x i ) 2 Tendo fixado x i no início da iteração i, f(x i ), f (x i ) e f (x i ) também são constantes. Assim a função do lado direito é uma função quadrática de x i+1. Essa função quadrática pode agora ser otimizada da forma usual, isto é, derivando e igualando a derivada a zero e resolvendo para x i+1. Convém lembrar que estamos supondo que a f(x) seja convexa (côncava) e portanto a solução encontrada será um ótimo global. A primeira derivada é: f (x i+1 ) f (x i ) + f (x i )(x i+1 x i ). Igualando esse resultado a zero, tem-se: f (x i ) + f (x i )(x i+1 x i ) = 0 Resolvendo para x 1+1 vem: x i+1 =x i f (x i )/f (x i ) Essa a expressão básica a cada iteração para calcular a próxima solução experimental x i+1, após termos obtido a solução x i. Essa expressão é utilizada para minimizar (maximizar) uma função convexa (côncava). O critério de parada é x i x i+1 tão pequeno quanto se queira. ALGORITMO do Método de Newton 1. Fixe o valor de parada: ε. Determine uma solução inicial x i e faça i = 1; 2. Calcule f (x i ) e f (x i ); 3. Faça: x i+1 = x i f (x i )/f (x i ); 4. Se x i+1 x i < ε. Pare, senão faça i i

8 Determine o ponto de máximo da função: f(x) = 12x 3x 4 2x 6 Tem-se: f (x) = 12 12x 3 12x 5 = 12(1 x 3 x 5 ) f (x) = -36x 2 60x 4 = -12(3x 2 + 5x 4 ) Então: x i+1 = x i f (x i )/f (x i ) será: x i+1 = x i + (1 x 3 x 5 )/(3x 2 + 5x 4 ) Escolhendo x 1 = 1, teremos: Iteração x i f(x i ) f'(x i ) f"(x i ) x i+1 x i+1 - x i 1 1, ,8750 0, ,8750 7,8439-2, ,733 0,8400 0, ,8400 7,8838-0, ,279 0,8376 0, ,8376 7,8839-0, ,795 0,8376 0, ,8376 7,8839 0, ,793 0,8376 Ótimo Escolha em vetor inicial x 0 como no método do Gradiente. Vetores x 1, x 2, x 3,..., são, então determinados iterativamente por: x i+1 x i H(x i ) -1 f(x i ) A regra de parada é a mesma do método do Gradiente. Maximize: Com uma tolerância de 0,05 e ponto inicial x 0 = (6,597, 5,891), onde f(x 0 ) = -36, f(x, y) = (x 5 ) (y π) 10 O vetor Gradiente, a matriz Hessiana e a inversa da Hessiana para essa função objetivo são: 2(x 5) f(x, y ) = 2(y π) 05, 1 H (x, y) = , 2 H(x, y) =

9 O vetor Gradiente no ponto x 0 dado vale: (, 5) 8722, f(x0) = = (, π) 5499, Então: x 1 = x 0 H(x 0 ) -1 f(x 0 ) = 6597, 05, , 2236, = 5891, 0 05, 5499, 3142, Com f(x 1 ) = -10,00 Como f(x 1 ) f(x 0 ) = -10,00 (-36,58) = 26,58 > 0,05, é necessário continuar (, 5) 00001, f(x1) = = (, π) 00008, Então: x 2 = x 1 H(x 1 ) -1 f(x 1 ) = 2236, 05, , 2236, = 3142, 0 05, 00008, 3142, Como f(x 2 ) f(x 1 ) = -10,00 (-10,00) = 0 < 0,05, nós tomamos x* = (2,236, 3,142) como o ponto ótimo com f(x * ) = -10,00 Suponha que se queira resolver o seguinte PPNL: Max z = f(x 1, x 2,..., x n ) s. a (x 1, x 2,..., x n ) R n Pela discussão anterior se f(x 1, x 2,..., x n ) é uma função côncava, então a solução ótima (se existir) vai ocorrer num ponto estacionário x, satisfazendo as seguintes condições: f(x) f(x) f(x) = =... = = 0 x1 x2 xn Em algumas situações é fácil encontrar os pontos estacionários, mas em outras pode ser bem difícil. Aqui será apresentado o método da maior subida, que pode ser utilizado para se determinar os pontos estacionários de uma função. 9

10 Considere a função f(x 1, x 2,..., x n ) para a qual todas as derivadas parciais existem em todos os pontos. O vetor gradiente de f(x 1, x 2,..., x n ), representado por f(x) f(x) f(x) f(x) =,,..., x1 x2 xn f(x), é dado por: O método do Gradiente termina quando o vetor gradiente torna-se nulo, sendo que esta é apenas a condição necessária, mas não suficiente. O ponto será necessariamente ótima se a função sendo otimizada for côncava ou convexa. Para cada vetor x, o vetor x x é denominado de versão normalizada de x. Assim qualquer direção no R n será descrita pelo vetor normalizado que define a direção. f(x) Portanto, f(x) define a direção. f(x) Convém lembrar que uma solução ótima v, para o PPNL deve satisfazer f (v) = 0. Suponha agora que estamos no ponto v 0 e que desejamos encontrar o ponto v que resolva o PPNL. Na tentativa de encontrar v, parece razoável movimentar-se para além do ponto v 0 numa direção que maximiza a taxa (pelo menos localmente) na qual f(x 1, x 2,..., x n ) aumenta. OLema1mostracomoseguir: Suponha que estamos no ponto v e queremos nos mover a uma distância δ na direção d. Então para um dado δ, o aumento máximo da f(x 1, x 2,..., x n ) irá ocorrer se f(x) f(x) escolhermos: d =. Em resumo se queremos avançar na direção do ponto de máximo tão rapidamente quanto possível devemos andar na direção de f(x). É possível agora descrever o método da maior inclinação. 10

11 Iniciar com qualquer ponto v 0 e mover-se na direção de f(v 0 ); Para tal fixar um valor não-negativo t; Mover-se para o ponto v 1 = v 0 + t f(v 0 ); O crescimento máximo de f(x 1, x 2,..., x n ) será obtido pelo valor t 0 que resolver o seguinte problema de otimização unidimensional max f(v 0 + t 0 f(v 0 )) s. a t 0 0, que pode ser resolvido pelos procedimentos já vistos inclusive pelo método da Secção Áurea ou de Newton. Utilize o método da maior inclinação para aproximar a solução de: Max f(x 1, x 2 ) = -(x 1 3) 2 (x 2 2) 2 s. a (x 1, x 2 ) R 2 Vamos escolher um ponto arbitrário qualquer, por exemplo, (1, 1). Como f(x 1, x 2 ) = (-2x 1 + 6, -2x 2 + 4), tem-se que f(1, 1) = (4, 2). Assim deve-se escolher t 0 que vai maximizar f(v 1 ) = f[(1, 1) + t 0 (4, 2)] = f(1 +4t 0, 1 + 2t 0 ) = = -(-2 + 4t 0 ) 2 (-1 + 2t 0 ) 2. Fazendo f (t 0 ) = 0, obtém-se: -8(-2 + 4t 0 ) 4(-1 + 2t 0 ) = t 0 = 0 t 0 = 0,5. O novo ponto, será então: v 1 = (1, 1) + 0,5(4, 2) = (3, 2). Agora f(3, 2) = (0, 0) e o algoritmo pode terminar. Uma vez que f(x 1, x 2 ) é uma função côncava, a solução ótima do PPNL foi encontrada. 11

12 Encontre os pontos x 1, x 2, x 3 e x 4 a partir do ponto x 0 = (1, 1) pelo método da maior inclinação para resolver o problema: Max f(x, y) = 4x + 6y 2x 2 2xy 2y 2 s. a (x, y) R 2 BERTSEKAS, Dimitri P. Nonlinear Programming. Belmont (MA): Athena Scientific, TAHA, Hamdy. Pesquisa Operacional. São Paulo (SP):PearsonEducationdoBrasil, a ed. WINSTON, Wayne L. Operations Research: Applications and Algorithms. Belmont (CA): DuxburyPress, a ed. 12

II. Funções de uma única variável

II. Funções de uma única variável II. Funções de uma única variável 1 II.1. Conceitos básicos A otimização de de funções de de uma única variável consiste no no tipo mais elementar de de otimização. Importância: Tipo de problema encontrado

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu Programação Não Linear Aula 7: Programação Não-Linear - Funções de Várias variáveis Vector Gradiente; Matriz Hessiana; Conveidade de Funções e de Conjuntos; Condições óptimas de funções irrestritas; Método

Leia mais

Cálculo Numérico / Métodos Numéricos. Solução de equações polinomiais Briot-Ruffini-Horner

Cálculo Numérico / Métodos Numéricos. Solução de equações polinomiais Briot-Ruffini-Horner Cálculo Numérico / Métodos Numéricos Solução de equações polinomiais Briot-Ruffini-Horner Equações Polinomiais p = x + + a ( x) ao + a1 n x n Com a i R, i = 0,1,, n e a n 0 para garantir que o polinômio

Leia mais

SME Cálculo Numérico. Lista de Exercícios: Gabarito

SME Cálculo Numérico. Lista de Exercícios: Gabarito Exercícios de prova SME0300 - Cálculo Numérico Segundo semestre de 2012 Lista de Exercícios: Gabarito 1. Dentre os métodos que você estudou no curso para resolver sistemas lineares, qual é o mais adequado

Leia mais

Neste capítulo estamos interessados em resolver numericamente a equação

Neste capítulo estamos interessados em resolver numericamente a equação CAPÍTULO1 EQUAÇÕES NÃO-LINEARES 1.1 Introdução Neste capítulo estamos interessados em resolver numericamente a equação f(x) = 0, onde f é uma função arbitrária. Quando escrevemos resolver numericamente,

Leia mais

Resolução de problemas com apenas restrições lineares de igualdade

Resolução de problemas com apenas restrições lineares de igualdade Resolução de problemas com apenas restrições lineares de igualdade Marina Andretta ICMC-USP 14 de outubro de 2014 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 14 de outubro de 2014 1 / 22

Leia mais

BANCO DE EXERCÍCIOS - 24 HORAS

BANCO DE EXERCÍCIOS - 24 HORAS BANCO DE EXERCÍCIOS - HORAS 9º ANO ESPECIALIZADO/CURSO ESCOLAS TÉCNICAS E MILITARES FOLHA Nº GABARITO COMENTADO ) A função será y,5x +, onde y (preço a ser pago) está em função de x (número de quilômetros

Leia mais

MAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Zeros de Funções

MAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Zeros de Funções MAP 2121 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Zeros de Funções 1: Mostre que a função f(x) = x 2 4x + cos x possui exatamente duas raízes: α 1 [0, 1.8] e α 2 [3, 5]. Considere as funções:

Leia mais

LUCAS PALMA SILVA MÉTODO DE NEWTON E BACIAS DE

LUCAS PALMA SILVA MÉTODO DE NEWTON E BACIAS DE LUCAS PALMA SILVA MÉTODO DE NEWTON E BACIAS DE CONVERGÊNCIA Curitiba 014 LUCAS PALMA SILVA MÉTODO DE NEWTON E BACIAS DE CONVERGÊNCIA Trabalho de Conclusão do Curso de Matemática Industrial da Universidade

Leia mais

Departamento de Matemática da Universidade de Coimbra. Licenciatura em Matemática. e B =

Departamento de Matemática da Universidade de Coimbra. Licenciatura em Matemática. e B = Departamento de Matemática da Universidade de Coimbra Optimização Numérica Licenciatura em Matemática Ano lectivo 2006/2007 Folha 1 1. Considere as matrizes A = [ 1 1 1 2 ] e B = [ 1 3 1 2 (a) Verifique

Leia mais

Aula 10 Sistemas Não-lineares e o Método de Newton.

Aula 10 Sistemas Não-lineares e o Método de Newton. Aula 10 Sistemas Não-lineares e o Método de Newton MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade

Leia mais

Exercícios de MATEMÁTICA COMPUTACIONAL. 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares

Exercícios de MATEMÁTICA COMPUTACIONAL. 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares Exercícios de MATEMÁTICA COMPUTACIONAL Mestrado Integrado em Engenharia Biomédica 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x) e x = 0. a) Prove que

Leia mais

Pré-requisitos Algebra Linear. Lorí Viali. Afiliação

Pré-requisitos Algebra Linear. Lorí Viali. Afiliação Lorí Viali Licenciatura Plena em Matemática UFRGS Bacharelado em Matemática UFRGS Especialização em Formação de Pesquisadores PUCRS Mestrado em Engenharia de Produção (PO) UFSC Doutorado Sanduíche na USF

Leia mais

Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA

Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Licenciaturas em Engenharia do Ambiente e Química 2 o Semestre de 2005/2006 Capítulo II Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x)

Leia mais

1 A Equação Fundamental Áreas Primeiras definições Uma questão importante... 7

1 A Equação Fundamental Áreas Primeiras definições Uma questão importante... 7 Conteúdo 1 4 1.1- Áreas............................. 4 1.2 Primeiras definições...................... 6 1.3 - Uma questão importante.................. 7 1 EDA Aula 1 Objetivos Apresentar as equações diferenciais

Leia mais

Derivadas Parciais Capítulo 14

Derivadas Parciais Capítulo 14 Derivadas Parciais Capítulo 14 DERIVADAS PARCIAIS 14.2 Limites e Continuidade Nesta seção, aprenderemos sobre: Limites e continuidade de vários tipos de funções. LIMITES E CONTINUIDADE Vamos comparar o

Leia mais

CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES

CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES CAP. II RESOLUÇÃO NUMÉRICA DE EQUAÇÕES NÃO LINEARES Vamos estudar alguns métodos numéricos para resolver: Equações algébricas (polinómios não lineares; Equações transcendentais equações que envolvem funções

Leia mais

, cosh (x) = ex + e x. , tanh (x) = ex e x 2

, cosh (x) = ex + e x. , tanh (x) = ex e x 2 Exercícios Adicionais 1. Podemos definir as funções seno, cosseno e tangente hiperbólicos como: sinh (x) = ex e x, cosh (x) = ex + e x, tanh (x) = ex e x e x + e x Escreva três funções no Scilab que implementem

Leia mais

A Segunda Derivada: Análise da Variação de Uma Função

A Segunda Derivada: Análise da Variação de Uma Função A Segunda Derivada: Análise da Variação de Uma Função Suponhamos que a função y = f() possua derivada em um segmento [a, b] do eio-. Os valores da derivada f () também dependem de, ou seja, a derivada

Leia mais

Encontre um valor aproximado para 3 25 com precisão de 10 5 utilizando o método da bissecção.

Encontre um valor aproximado para 3 25 com precisão de 10 5 utilizando o método da bissecção. 1 a) Mostre que f (x) = x cos x possui uma raiz no intervalo [0, 1]. b) Prove que essa raiz é única. c) Sem executar o método, preveja o número de iterações que o algoritmo da bissecção utilizaria para

Leia mais

PROBLEMAS DE OPTIMIZAÇÃO

PROBLEMAS DE OPTIMIZAÇÃO PROBLEMAS DE OPTIMIZAÇÃO EXTREMOS: MÁXIMOS E MÍ IMOS As questões de optimização estão relacionados com a escolha da melhor alternativa para a resolução de um problema com base em critérios particulares.

Leia mais

Método de Newton. Podemos escrever este problema na forma vetorial denindo o vetor x = [x 1, x 2,..., x n ] T e a função vetorial

Método de Newton. Podemos escrever este problema na forma vetorial denindo o vetor x = [x 1, x 2,..., x n ] T e a função vetorial Método de Newton 1 Introdução O método de Newton aplicado a encontrar a raiz x da função y = fx) estudado na primeira área de nossa disciplina consiste em um processso iterativo Em cada passo deste processo,

Leia mais

UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE EDUCAÇÃO TUTORIAL APOSTILA DE CÁLCULO. Realização:

UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE EDUCAÇÃO TUTORIAL APOSTILA DE CÁLCULO. Realização: UNIVERSIDADE FEDERAL DO CEARÁ CENTRO DE TECNOLOGIA PROGRAMA DE EDUCAÇÃO TUTORIAL APOSTILA DE CÁLCULO Realização: Fortaleza, Fevereiro/2010 1. LIMITES 1.1. Definição Geral Se os valores de f(x) puderem

Leia mais

Lista de exercícios de MAT / II

Lista de exercícios de MAT / II 1 Lista de exercícios de MAT 271-26 / II 1. Converta os seguintes números da forma decimal para a forma binária:x 1 = 37; x 2 = 2347; x 3 =, 75; x 4 =(sua matrícula)/1; x 5 =, 1217 2. Converta os seguintes

Leia mais

4 Modelagem Numérica. 4.1 Método das Diferenças Finitas

4 Modelagem Numérica. 4.1 Método das Diferenças Finitas 4 Modelagem Numérica Para se obter a solução numérica das equações diferenciais que regem o processo de absorção de CO 2,desenvolvido no capitulo anterior, estas precisam ser transformadas em sistemas

Leia mais

Equações não lineares

Equações não lineares Capítulo 2 Equações não lineares Vamos estudar métodos numéricos para resolver o seguinte problema. Dada uma função f contínua, real e de uma variável, queremos encontrar uma solução x que satisfaça a

Leia mais

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 04/2014 Zeros reais de funções Parte 1 Objetivo Determinar valores aproximados para as soluções (raízes) de equações da

Leia mais

CÁLCULO I. 1 Número Reais. Objetivos da Aula

CÁLCULO I. 1 Número Reais. Objetivos da Aula CÁLCULO I Prof. Edilson Neri Júnior Prof. André Almeida EMENTA: Conceitos introdutórios de limite, limites trigonométricos, funções contínuas, derivada e aplicações. Noções introdutórias sobre a integral

Leia mais

Cálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015

Cálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 Cálculo Numérico Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 1 Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de

Leia mais

Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados

Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Resolução de sistemas de equações lineares: Método dos Gradientes Conjugados Marina Andretta/Franklina Toledo ICMC-USP 24 de março de 2015 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina

Leia mais

3.6 Erro de truncamento da interp. polinomial.

3.6 Erro de truncamento da interp. polinomial. 3 Interpolação 31 Polinômios interpoladores 32 Polinômios de Lagrange 33 Polinômios de Newton 34 Polinômios de Gregory-Newton 35 Escolha dos pontos para interpolação 36 Erro de truncamento da interp polinomial

Leia mais

Interpolação polinomial: Polinômio de Lagrange

Interpolação polinomial: Polinômio de Lagrange Interpolação polinomial: Polinômio de Lagrange Marina Andretta ICMC-USP 09 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500 - cálculo

Leia mais

Andréa Maria Pedrosa Valli

Andréa Maria Pedrosa Valli Raízes de Equações Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-27 Raízes

Leia mais

1.1 Conceitos Básicos

1.1 Conceitos Básicos 1 Zeros de Funções 1.1 Conceitos Básicos Muito frequentemente precisamos determinar um valor ɛ para o qual o valor de alguma função é igual a zero, ou seja: f(ɛ) = 0. Exemplo 1.1 Suponha que certo produto

Leia mais

Equações não lineares

Equações não lineares DMPA IME UFRGS Cálculo Numérico Índice Raizes de polinômios 1 Raizes de polinômios 2 raizes de polinômios As equações não lineares constituídas por polinômios de grau n N com coeficientes complexos a n,a

Leia mais

CÁLCULO I. 1 Funções Crescentes e Decrescentes

CÁLCULO I. 1 Funções Crescentes e Decrescentes CÁLCULO I Prof. Edilson Neri Júnior Prof. André Almeida Aula n o 14: Crescimento e Decrescimento. Teste da Primeira Derivada. Objetivos da Aula Denir funções crescentes e decrescentes; Determinar os intervalos

Leia mais

UNIFEI - UNIVERSIDADE FEDERAL DE ITAJUBÁ PROVA DE CÁLCULO 1

UNIFEI - UNIVERSIDADE FEDERAL DE ITAJUBÁ PROVA DE CÁLCULO 1 UNIFEI - UNIVERSIDADE FEDERAL DE ITAJUBÁ PROVA DE CÁLCULO 1 PROVA DE TRANSFERÊNCIA INTERNA, EXTERNA E PARA PORTADOR DE DIPLOMA DE CURSO SUPERIOR - 16/10/2016 CANDIDATO: CURSO PRETENDIDO: OBSERVAÇÕES: 1.

Leia mais

Aula 05 - Limite de uma Função - Parte I Data: 30/03/2015

Aula 05 - Limite de uma Função - Parte I Data: 30/03/2015 bras.png Cálculo I Logonewton.png Aula 05 - Limite de uma Função - Parte I Data: 30/03/2015 Objetivos da Aula: Definir limite de uma função Definir limites laterias Apresentar as propriedades operatórias

Leia mais

Matrizes positivas definidas, semidefinidas, etc.

Matrizes positivas definidas, semidefinidas, etc. Matrizes positivas definidas, semidefinidas, etc. Amit Bhaya, Programa de Engenharia Elétrica COPPE/UFRJ Universidade Federal do Rio de Janeiro amit@nacad.ufrj.br http://www.nacad.ufrj.br/ amit Funções

Leia mais

Derivadas Parciais Capítulo 14

Derivadas Parciais Capítulo 14 Derivadas Parciais Capítulo 14 DERIVADAS PARCIAIS Como vimos no Capítulo 4, no Volume I, um dos principais usos da derivada ordinária é na determinação dos valores máximo e mínimo. DERIVADAS PARCIAIS 14.7

Leia mais

Zeros de Polinômios. 1 Resultados Básicos. Iguer Luis Domini dos Santos 1, Geraldo Nunes Silva 2

Zeros de Polinômios. 1 Resultados Básicos. Iguer Luis Domini dos Santos 1, Geraldo Nunes Silva 2 Zeros de Polinômios Iguer Luis Domini dos Santos, Geraldo Nunes Silva 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP, Brazil, iguerluis@hotmail.com 2 DCCE/IBILCE/UNESP, São José do Rio Preto, SP,Brazil,

Leia mais

Novos métodos de Sintonia de Controladores PID

Novos métodos de Sintonia de Controladores PID Novos métodos de Sintonia de Controladores PID. Introdução Existem diversas questões que devem ser consideradas no projeto de controladores PID, como por exemplo: Resposta a distúrbios de carga; Resposta

Leia mais

Otimização. por Mílton Procópio de Borba

Otimização. por Mílton Procópio de Borba Otimização por Mílton Procópio de Borba 1. Otimização sem restrições Seja f: D R, convexa, isto é, f[λ.p + (1-λ).q] λ.f(p) + (1-λ)f(q), p e q em D e λ [0, 1]. Maximizar f, significa encontrar o maior valor

Leia mais

Resumo das aulas dos dias 4 e 11 de abril e exercícios sugeridos

Resumo das aulas dos dias 4 e 11 de abril e exercícios sugeridos MAT 1351 Cálculo para funções uma variável real I Curso noturno de Licenciatura em Matemática 1 semestre de 2016 Docente: Prof. Dr. Pierluigi Benevieri Resumo das aulas dos dias 4 e 11 de abril e exercícios

Leia mais

c PAVF 2 Produc~ao Considere o problema de determinar a melhor maneira de combinar varios insumos (p. ex., sementes, maquinario, trabalho humano, :::

c PAVF 2 Produc~ao Considere o problema de determinar a melhor maneira de combinar varios insumos (p. ex., sementes, maquinario, trabalho humano, ::: c PAVF 1 Aplicac~oes Produc~ao Aproximac~ao Planejamento Controle Alocac~ao Geometria Equac~oes c PAVF 2 Produc~ao Considere o problema de determinar a melhor maneira de combinar varios insumos (p. ex.,

Leia mais

Resolução de sistemas de equações não-lineares: Método Iterativo Linear

Resolução de sistemas de equações não-lineares: Método Iterativo Linear Resolução de sistemas de equações não-lineares: Método Iterativo Linear Marina Andretta/Franklina Toledo ICMC-USP 27 de março de 2015 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires.

Leia mais

Otimização de Processos Capítulo 4: Otimização Unidimensional Sem Restrições (OUSR)

Otimização de Processos Capítulo 4: Otimização Unidimensional Sem Restrições (OUSR) Otimização de Processos Capítulo 4: Otimização Unidimensional Sem Restrições (OUSR). Algoritmos de Otimização P. Estabeleça o intervalo de busca ou estimativa inicial que contenha o ponto de mínimo da

Leia mais

x exp( t 2 )dt f(x) =

x exp( t 2 )dt f(x) = INTERPOLAÇÃO POLINOMIAL 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia Aproximação

Leia mais

Programação Não Linear Otimização Univariada E Multivariada Sem Restrições

Programação Não Linear Otimização Univariada E Multivariada Sem Restrições Programação Não Linear Otimização Univariada E Multivariada Sem Restrições A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um prolema. Eiste um conjunto particular de prolemas

Leia mais

Ricardo Bento Afonso Nº51571 Rubén Ruiz Holgado Nº64643

Ricardo Bento Afonso Nº51571 Rubén Ruiz Holgado Nº64643 Ricardo Bento Afonso Nº51571 Rubén Ruiz Holgado Nº64643 Programação não linear para que serve? A programação linear tem a função objectivo e os constrangimentos lineares. O que nem sempre acontece na realidade,

Leia mais

CCI-22 LISTA DE EXERCÍCIOS

CCI-22 LISTA DE EXERCÍCIOS CCI-22 LISTA DE EXERCÍCIOS Capítulos 1 e 2: 1) Considere floats com 4 dígitos decimais de mantissa e expoentes inteiros entre -5 e 5. Sejam X =,7237.1 4, Y =,2145.1-3, Z =,2585.1 1. Utilizando um acumulador

Leia mais

Capítulo 4 - Equações Não-Lineares

Capítulo 4 - Equações Não-Lineares Capítulo 4 - Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil, Química e Gestão Industrial Carlos Balsa Métodos Numéricos 1/

Leia mais

Ana Paula. October 26, 2016

Ana Paula. October 26, 2016 Raízes de Equações October 26, 2016 Sumário 1 Aula Anterior 2 Método da Secante 3 Convergência 4 Comparação entre os Métodos 5 Revisão Aula Anterior Aula Anterior Aula Anterior Aula Anterior Método de

Leia mais

Programação Linear. MÉTODOS QUANTITATIVOS: ESTATÍSTICA E MATEMÁTICA APLICADAS De 30 de setembro a 13 de novembro de 2011 prof. Lori Viali, Dr.

Programação Linear. MÉTODOS QUANTITATIVOS: ESTATÍSTICA E MATEMÁTICA APLICADAS De 30 de setembro a 13 de novembro de 2011 prof. Lori Viali, Dr. Programação Linear São problemas complexos, muitas vezes de difícil solução e que envolvem significativas reduções de custos, melhorias de tempos de processos, ou uma melhor alocação de recursos em atividades.

Leia mais

Pesquisa Operacional

Pesquisa Operacional Pesquisa Operacional Casos Especiais do Método Simplex e Gráfica Profa. Sheila Morais de Almeida DAINF-UTFPR-PG setembro - 2015 1 Casos Especiais do Método Simplex Degeneração Múltiplas soluções ótimas

Leia mais

3 Aprendizado por reforço

3 Aprendizado por reforço 3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina

Leia mais

Benemar Alencar de Souza

Benemar Alencar de Souza Benemar Alencar de Souza Métodos de Otimização Aplicados Questões introdutórias O que é otimização? i Por que otimização é importante? Como tratar a otimização i como um problema? Quais objetivos são usuais?

Leia mais

Métodos Numéricos. Turma CI-202-X. Josiney de Souza.

Métodos Numéricos. Turma CI-202-X. Josiney de Souza. Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 5 (16/09/15) Zero de funções: Introdução Tipos de métodos Diretos Indiretos ou iterativos Fases de cálculos Isolamento

Leia mais

Exercícios: Vetores e Matrizes

Exercícios: Vetores e Matrizes Universidade Federal de Uberlândia - UFU Faculdade de Computação - FACOM Lista de exercícios de programação em linguagem C Exercícios: Vetores e Matrizes 1 Vetores 1. Faça um programa que possua um vetor

Leia mais

Otimização Aplicada à Engenharia de Processos

Otimização Aplicada à Engenharia de Processos Otimização Aplicada à Engenharia de Processos Aula 4: Programação Linear Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Março de 2013

Leia mais

PARTE I EQUAÇÕES DE UMA VARIÁVEL REAL

PARTE I EQUAÇÕES DE UMA VARIÁVEL REAL PARTE I EQUAÇÕES DE UMA VARIÁVEL REAL. Introdução Considere f uma função, não constante, de uma variável real ou complexa, a equação f(x) = 0 será denominada equação de uma incógnita. EXEMPLO e x + senx

Leia mais

Composição de Funções

Composição de Funções Composição de Funções Existem muitas situações em que uma função depende de uma variável que, por sua vez, depende de outra, e assim por diante. Podemos dizer, por exemplo, que a concentração de monóxido

Leia mais

étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA

Leia mais

Matemática Computacional - 2 o ano LEMat e MEQ

Matemática Computacional - 2 o ano LEMat e MEQ Instituto Superior Técnico Departamento de Matemática Secção de Matemática Aplicada e Análise Numérica Matemática Computacional - o ano LEMat e MEQ Exame/Teste - 1 de Janeiro de 1 - Parte I (1h3m) 1. Considere

Leia mais

Optimização e Algoritmos (2004/2005)

Optimização e Algoritmos (2004/2005) Optimização e Algoritmos (2004/2005) Instituto Superior Técnico Engenharia Electrotécnica e de Computadores Série de Problemas 3 Regras de Armijo e Wolfe, Introdução às funções convexas Problema 1.[Regras

Leia mais

CÁLCULO I. 1 Funções Exponenciais e Logarítmicas

CÁLCULO I. 1 Funções Exponenciais e Logarítmicas CÁLCULO I Prof. Marcos Diniz Prof. André Almeida Prof. Edilson Neri Júnior Aula n o 05: Funções Logarítmica, Exponencial e Hiperbólicas. Objetivos da Aula Denir as funções logarítmica, exponencial e hiperbólicas;

Leia mais

1 Conjuntos, Números e Demonstrações

1 Conjuntos, Números e Demonstrações 1 Conjuntos, Números e Demonstrações Definição 1. Um conjunto é qualquer coleção bem especificada de elementos. Para qualquer conjunto A, escrevemos a A para indicar que a é um elemento de A e a / A para

Leia mais

IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL

IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL IMPLEMENTAÇÃO E RESOLUÇÃO DE MODELOS MATEMÁTICOS UTILIZANDO A PLANILHA EXCEL 1. INTRODUÇÃO Este tutorial apresenta, passo-a-passo, o processo de implementação e resolução de modelos matemáticos na planilha

Leia mais

EXEMPLOS Resolva as equações em : 1) Temos uma equação completa onde a =3, b = -4 e c = 1. Se utilizarmos a fórmula famosa, teremos:

EXEMPLOS Resolva as equações em : 1) Temos uma equação completa onde a =3, b = -4 e c = 1. Se utilizarmos a fórmula famosa, teremos: EQUAÇÃO DE SEGUNDO GRAU INTRODUÇÃO Equação é uma igualdade onde há algum elemento desconhecido Como exemplo, podemos escrever Esta igualdade é uma equação já conhecida por você, pois é de primeiro grau

Leia mais

Álgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho

Álgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho Álgebra Linear - 2 a lista de exercícios Prof. - Juliana Coelho 1 - Verifique que os conjuntos V abaixo com as operações dadas não são espaços vetoriais explicitando a falha em alguma das propriedades.

Leia mais

Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner

Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner Determinação de raízes de polinômios: Método de Briot-Ruffini-Horner Marina Andretta/Franklina Toledo ICMC-USP 29 de outubro de 2012 Baseado no livro Cálculo Numérico, de Neide B. Franco Marina Andretta/Franklina

Leia mais

PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX. Prof. Angelo Augusto Frozza, M.Sc.

PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX. Prof. Angelo Augusto Frozza, M.Sc. PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR MÉTODO SIMPLEX Prof. Angelo Augusto Frozza, M.Sc. MÉTODO SIMPLEX A ideia geral é Em vez de enumerar todas as soluções básicas (pontos extremos) do problema de PL,

Leia mais

Campos dos Goytacazes/RJ Maio 2015

Campos dos Goytacazes/RJ Maio 2015 Instituto Federal Fluminense Campus Campos Centro Programa Tecnologia Comunicação Educação (PTCE) Apostila organizada por: Vanderlane Andrade Florindo Silvia Cristina Freitas Batista Carmem Lúcia Vieira

Leia mais

ANÁLISE NUMÉRICA DO MÉTODO DE NEWTON PARA OBTENÇÃO DE ZEROS DE FUNÇÕES.

ANÁLISE NUMÉRICA DO MÉTODO DE NEWTON PARA OBTENÇÃO DE ZEROS DE FUNÇÕES. ANÁLISE NUMÉRICA DO MÉTODO DE NEWTON PARA OBTENÇÃO DE ZEROS DE FUNÇÕES. Edevilson Gomes Pereira PUCPR- edevilson.pereira@pucpr.b Viviana Cocco Mariani PUCPR- viviana.mariani@pucpr.br Resumo: Neste artigo

Leia mais

Lista de Exercícios 1 Cálculo Numérico - Professor Daniel

Lista de Exercícios 1 Cálculo Numérico - Professor Daniel Lista de Exercícios 1 Cálculo Numérico - Professor Daniel Observação: Esta lista abrange os três primeiros tópicos da ementa do curso, teoria dos erros, sistemas lineares, e zeros de funções. Ela abrange

Leia mais

étodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno

étodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno étodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA

Leia mais

MÉTODOS PARA OTIMIZAÇÃO NÃO-LINEAR IRRESTRITA

MÉTODOS PARA OTIMIZAÇÃO NÃO-LINEAR IRRESTRITA Universidade Estadual de Campinas FACULDADE DE ENGENHARIA ELÉTRICA E COMPUTAÇÃO Otimização Não-Linear MÉTODOS PARA OTIMIZAÇÃO NÃO-LINEAR IRRESTRITA Autor: Tiao Aostinho de Almeida INTRODUÇÃO Considere

Leia mais

FFCLRP-USP Regra de L Hospital e Lista - CALCULO DIFERENCIAL E INTEGRAL I

FFCLRP-USP Regra de L Hospital e Lista - CALCULO DIFERENCIAL E INTEGRAL I FFCLRP-USP Regra de L Hospital e Lista - CALCULO DIFERENCIAL E INTEGRAL I Professor Dr. Jair Silvério dos Santos 1 Teorema de Michel Rolle Teorema 0.1. (Rolle) Se f : [a;b] R for uma função contínua em

Leia mais

Inequação do Segundo Grau

Inequação do Segundo Grau CURSO INTRODUTÓRIO DE MATEMÁTICA PARA ENGENHARIA 2015.1 Inequação do Segundo Grau Iva Emanuelly Pereira Lima - Engenharia Civil Na aula de hoje... Introdução e Exemplos de Inequação do Segundo Grau; Solucionando

Leia mais

Solução numérica de equações não-lineares

Solução numérica de equações não-lineares Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de uma equação. Mas, o que é uma equação? Uma equação é uma igualdade

Leia mais

Resolução prova de matemática UDESC

Resolução prova de matemática UDESC Resolução prova de matemática UDESC 009. Prof. Guilherme Sada Ramos Guiba 1. O enunciado da questão omite a palavra, mas quer dizer que 0% dos aprovados passaram somente na disciplina A, 50% passaram somente

Leia mais

ESTRUTURAS DE REPETIÇÃO - PARTE 1

ESTRUTURAS DE REPETIÇÃO - PARTE 1 AULA 15 ESTRUTURAS DE REPETIÇÃO - PARTE 1 15.1 O comando enquanto-faca- Considere o problema de escrever um algoritmo para ler um número inteiro positivo, n, e escrever todos os números inteiros de 1 a

Leia mais

Programação Linear (PL) Solução algébrica - método simplex

Programação Linear (PL) Solução algébrica - método simplex Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão Pesquisa Operacional Simplex Prof. Dr. José Arnaldo Barra Montevechi Programação Linear (PL) Solução algébrica - método simplex

Leia mais

MÉTODO SIMPLEX SOLUÇÃO INICIAL ARTIFICIAL

MÉTODO SIMPLEX SOLUÇÃO INICIAL ARTIFICIAL MÉTODO SIMPLEX SOLUÇÃO INICIAL ARTIFICIAL Problemas de PL nos quais todas as restrições são ( ) com lados direitos não negativos oferecem uma solução básica inicial viável conveniente, na qual todas as

Leia mais

Simplex. Transparências de apoio à leccionação de aulas teóricas. c 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP

Simplex. Transparências de apoio à leccionação de aulas teóricas. c 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP Simplex Transparências de apoio à leccionação de aulas teóricas Versão 3 c 2011, 2009, 1998 José Fernando Oliveira, Maria Antónia Carravilla FEUP Programação Linear abordagem algébrica max sujeito a: n

Leia mais

Propriedades das Funções Contínuas e Limites Laterais Aula 12

Propriedades das Funções Contínuas e Limites Laterais Aula 12 Propriedades das Funções Contínuas e Limites Laterais Aula 12 Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil 27 de Março de 2014 Primeiro Semestre de 2014 Turma 2014106 -

Leia mais

Jogos de soma zero com dois jogadores

Jogos de soma zero com dois jogadores Jogos de soma zero com dois jogadores Problema: Dada uma matriz A m n, encontrar um equilíbrio de Nash (de estratégias mistas). Jogador 1 quer encontrar p que maximize v sujeito a i p i = 1 sujeito a (pa)

Leia mais

Comprimento de Arco. 1.Introdução 2.Resolução de Exemplos 3.Função Comprimento de Arco 4.Resolução de Exemplo

Comprimento de Arco. 1.Introdução 2.Resolução de Exemplos 3.Função Comprimento de Arco 4.Resolução de Exemplo UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Comprimento de Arco

Leia mais

Notas de Aula Disciplina Matemática Tópico 06 Licenciatura em Matemática Osasco ou x > 3

Notas de Aula Disciplina Matemática Tópico 06 Licenciatura em Matemática Osasco ou x > 3 1. Inequações Uma inequação é uma expressão algébrica dada por uma desigualdade. Por exemplo: 3x 5 < 1 ou 2x+1 2 > 5x 7 3 ou x 1 2 + 2 > 3 Resolver a inequação significa encontrar os intervalos de números

Leia mais

UNIFEI - UNIVERSIDADE FEDERAL DE ITAJUBÁ

UNIFEI - UNIVERSIDADE FEDERAL DE ITAJUBÁ UNIFEI - UNIVERSIDADE FEDERAL DE ITAJUBÁ PROVA DE CÁLCULO 1 e 2 PROVA DE TRANSFERÊNCIA INTERNA, EXTERNA E PARA PORTADOR DE DIPLOMA DE CURSO SUPERIOR - 29/11/2015 CANDIDATO: CURSO PRETENDIDO: OBSERVAÇÕES:

Leia mais

MOVIMENTO EM UMA LINHA RETA

MOVIMENTO EM UMA LINHA RETA MOVIMENTO EM UMA LINHA RETA MOVIMENTO EM UMA LINHA RETA Objetivos de aprendizagem: Descrever o movimento em uma linha reta em termos de velocidade média, velocidade instantânea, aceleração média e aceleração

Leia mais

CÁLCULO I. 1 Concavidade. Objetivos da Aula. Aula n o 19: Concavidade. Teste da Segunda Derivada. Denir concavidade de uma função;

CÁLCULO I. 1 Concavidade. Objetivos da Aula. Aula n o 19: Concavidade. Teste da Segunda Derivada. Denir concavidade de uma função; CÁLCULO I Prof. Marcos Diniz Prof. Edilson Neri Júnior Prof. André Almeida Aula n o 19: Concavidade. Teste da Segunda Derivada. Objetivos da Aula Denir concavidade de uma função; Denir ponto de inexão;

Leia mais

Determinar a derivada resultante do produto de duas funções utilizando a regra do produto. Aplicar a Derivada para Determinação de Máximos e Mínimos.

Determinar a derivada resultante do produto de duas funções utilizando a regra do produto. Aplicar a Derivada para Determinação de Máximos e Mínimos. MATEMÁTICA PARA NEGÓCIOS - GST1075 Semana Aula: 4 Regras de derivação Tema Regras de derivação Palavras-chave Derivada Objetivos Ao final desta aula, o aluno deverá ser capaz de: Verificar a derivada de

Leia mais

Cálculo Numérico P2 EM33D

Cálculo Numérico P2 EM33D Cálculo Numérico P EM33D 8 de Abril de 03 Início: 07h30min (Permanência mínima: 08h40min) Término: 0h00min Nome: GABARITO LER ATENTAMENTE AS OBSERVAÇÕES, POIS SERÃO CONSIDERADAS NAS SUA AVALIAÇÃO ) detalhar

Leia mais

Equações diferenciais ordinárias

Equações diferenciais ordinárias Departamento de Física Universidade Federal da Paraíba 24 de Junho de 2009 Motivação Problemas envolvendo equações diferenciais são muito comuns em física Exceto pelos mais simples, que podemos resolver

Leia mais

Fun c ao Logaritmo Fun c ao Logaritmo ( ) F. Logaritmo Matem atica II 2008/2009

Fun c ao Logaritmo Fun c ao Logaritmo ( ) F. Logaritmo Matem atica II 2008/2009 Função Logaritmo (27-02-09) Função Logaritmo Acabámos de estudar a função exponencial, cuja forma mais simples é a função f(x) = e x. Resolvemos vários problemas que consistiam em calcular f(x 0 ) para

Leia mais

UNIVERSIDADE EDUARDO MONDLANE Faculdade de Engenharia. Transmissão de calor. 3º ano

UNIVERSIDADE EDUARDO MONDLANE Faculdade de Engenharia. Transmissão de calor. 3º ano UNIVERSIDADE EDUARDO MONDLANE Faculdade de Engenharia Transmissão de calor 3º ano Aula 3 Equação diferencial de condução de calor Condições iniciais e condições de fronteira; Geração de Calor num Sólido;

Leia mais

étodos uméricos SOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS ORDINÁRIOAS Prof. Erivelton Geraldo Nepomuceno

étodos uméricos SOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS ORDINÁRIOAS Prof. Erivelton Geraldo Nepomuceno étodos uméricos SOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS ORDINÁRIOAS Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA

Leia mais

Busca com informação e exploração. Capítulo 4 Russell & Norvig Seção 4.2 e 4.3

Busca com informação e exploração. Capítulo 4 Russell & Norvig Seção 4.2 e 4.3 Busca com informação e exploração Capítulo 4 Russell & Norvig Seção 4.2 e 4.3 1 Revisão da aula passada: Busca A * Idéia: evitar expandir caminhos que já são caros Função de avaliação f(n) = g(n) + h(n)

Leia mais

étodos uméricos INTEGRAÇÃO NUMÉRICA Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

étodos uméricos INTEGRAÇÃO NUMÉRICA Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA étodos uméricos INTEGRAÇÃO NUMÉRICA Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO

Leia mais